基于数据分组匹配的相似重复记录检测

• 作者: 周丽娟 肖满生
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多源数据集 属性优选 数据分组匹配 相似重复记录
• 年，卷（期）: 2010,（12）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 104-106
• 分类号: TP311
• 字数: 4219字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.12.036

摘要

针对数据集成中相似重复记录的识别问题,提出一种数据特征属性优选分组的算法.通过计算特征属性的方差来确定某维属性的权值,基于数据分组思想选择权值大的属性,将数据集分割成不相交的小数据集,并在各小数据集中用模糊匹配算法进行相似重复记录的识别.理论分析和实验结果表明,该方法识别效率和检测精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周丽娟	湖南工业大学科技学院	22	126	4.0	11.0
2	肖满生	湖南工业大学科技学院	37	225	7.0	14.0